This is a blogpost which is not written by me. This was orginally written by GopiKrishnan

ആർട്ടിഫിഷ്യൽ ഇനറലിജൻസും കമ്മ്യൂണിസ്റ്റ് പച്ചയും

അടി കപ്പ്യാരേ കൂട്ടമണി എന്ന ചിത്രം നമ്മൾ എല്ലാവരും കണ്ടിട്ടുണ്ടാകും. അതിൽ കഞ്ചാവ് ചെടി തിരിച്ചറിയാതെ അതിന് വെള്ളം ഒഴിച്ചിട്ട് പോകുന്ന മുകേഷിനെ നമ്മൾ കണ്ടതാണ്. ഇൗ സീൻ ഒഴിവാക്കാൻ കേരള പോലീസിന്റെ കഞ്ചാവ് വേട്ടയ്ക്ക് വേണ്ടി നിങ്ങൾ ഒരു മൊബൈൽ ആപ് ഉണ്ടാക്കുക ആണെന്ന് വിചാരിക്കുക. അതായത് നിങ്ങളുടെ ആപ് വച്ച് ചെടിയുടെ പടം പിടിച്ചാൽ അത് കഞ്ചാവാണോ അല്ലയോ എന്ന് തിരിച്ചറിയാൻ കഴിയും. സാധാരണ കമ്പ്യൂട്ടർ പ്രോഗ്രാമിങ് വച്ച് ഇത് ചെയ്യുക വളരെ ബുദ്ധിമുട്ടാണ്.

ഇങ്ങനെ ഉള്ള സാഹചര്യത്തിലാണ് നമ്മൾ machine learning ഉപയോഗിക്കുന്നത്. ഇവിടെ നമ്മൾ ചെയ്യുന്നത് നമുക്ക് ഒരു machine learning അൽഗോരിത്തം ഉണ്ട് നമ്മൾ കഞ്ചാവ് ചെടികളുടെ ചിത്രങ്ങളും അല്ലാത്ത ചെടികളുടെ ചിത്രങ്ങളും തുടർച്ചയായി കാണിച്ചു കൊടുക്കുന്നു. ഓരോ തവണയും ഇൗ ചിത്രങ്ങളിൽ ഉള്ള പിക്‌സൽ ലെവൽ മുതൽ ഉള്ള പാറ്റേണുകൾ നമ്മുടെ machine Learning അൽഗോരിതം പഠിക്കും. ഇതിനെ നമ്മൾ ട്രെയിനിംഗ് എന്ന് വിളിക്കും.

ഇൗ ട്രെയിനിംഗ് പ്രൊസസ്സ് കഴിയുമ്പോൾ ലേൺ ചെയ്ത് വച്ച പാറ്റേണുകൾ ഒരു മോഡൽ ആയി നമ്മുടെ അൽഗോരിത്തം സ്റ്റോറ് ചെയ്ത് വയ്ക്കും. ഇനി ഇൗ മോഡൽ ഉപയോഗിച്ച് നമുക്ക് ഒരു ചെടി കഞ്ചാവാണോ അല്ലയോ എന്ന് പ്രെടിക്റ്റ് ചെയ്യാൻ കഴിയും.

ഇങ്ങനെ നാം ഉണ്ടാക്കുന്ന മെഷീൻ ലേണിംഗ് മോഡലുകൾ പൂർണമായും അതിന് പഠിക്കാൻ കൊടുക്കുന്ന ഡാറ്റ പോലെ ഇരിക്കും. തെറ്റായ ഡാറ്റ കൊടുത്താൽ അതിനനുസരിച്ചുള്ള predictions ആയിരിക്കും നമ്മുക്ക് ലഭിക്കുന്നത്. ഇൗ പ്രശ്നങ്ങൾ എല്ലാ machine learning software കളിലും ഉണ്ടാകും. ഇതിനെ ആണ് മിക്കപ്പോഴും മാധ്യമലോകം AI അപ്പൊക്കാലിപ്സ് എന്നൊക്കെ പറഞ്ഞു തള്ളി വിടുന്നത്.

അതിന്റെ ഒരു ഉദാഹരണം നമ്മുടെ ആപിലെ മോഡൽ ട്രെയിൻ ചെയ്യിക്കുവാൻ നമ്മൾ കൊടുക്കുന്ന ഡാറ്റയിൽ ഒരു ചെറിയ തെറ്റ് പറ്റി.കഞ്ചാവാണെന്ന് പറഞ്ഞ് നമ്മൾ കൊടുത്ത ചിത്രങ്ങൾ വേറെ ചെടികളുടെ ആണെങ്കിൽ നമ്മുടെ മോഡൽ പഠിക്കുന്നത് ആ പാറ്റ്റേൺസ് ആയിരിക്കും. ആ തെറ്റായ മോഡൽ ഉള്ള ആപ് പിറ്റേദിവസം മനോരമാ ലേഖകൻ ടെസ്റ്റ് ചെയ്യുകയും ശേഷം കമ്മ്യൂണിസ്റ്റ് പച്ച കഞ്ചാവാണെന്ന് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പഠനം തെളിയിച്ചു എന്ന് വാർത്ത കൊടുക്കുകയും ചെയും😂